Еволюція інтелектуальних технологій відеоспостереження триває прискореними темпами. Як і в багатьох інших галузях, початок пандемії COVID-19 прискорив терміни, і світ відеоспостереження зі штучним інтелектом (ШІ) продовжує свій вражаючий розвиток у 2021 році. По мірі збільшення попиту на комплекти відеоспостереження та використання ШІ для осмислення візуальних даних, кількість відеокамер та одержуваних наступних даних швидко зростає, що змушує створювати нові периферійні архітектури.

Камери відеоспостереження та штучний інтелект в управлінні рухом

Крім того, було розроблено нове покоління «розумних» сценаріїв використання. Наприклад, в «розумних містах» вуличні IP камери і штучний інтелект аналізують схеми руху і регулюють світлофори, щоб поліпшити потік транспортних засобів, зменшити затори та забруднення навколишнього середовища, а також підвищити безпеку пішоходів.

«Розумні фабрики» можуть використовувати ШІ для виявлення дефектів або відхилень у виробничій лінії в режимі поточного часу, коригування для зменшення помилок та реалізації дієвих заходів щодо забезпечення якості. В результаті витрати можуть бути вагомо скорочені за рахунок автоматизації та раннього виявлення несправностей.

Еволюція розумних систем відеоспостереження

Еволюція інтелектуального відеоспостереження також відбувається разом з іншими досягненнями в області технологій і даних, такими як 5G. Об'єднуючи ці технології, вони впливають на те, як ми проектуємо периферію. І вони стимулюють попит на спеціалізовані сховища. Нижче перераховані деякі тенденції, які можна спостерігати сьогодні.

Чим більше обсяг, тим вища якість. Обсяг і різноманітність камер відеоспостереження продовжують рости з кожним новим досягненням, привносячи нові опції. Чим більше камер, тим більше можна побачити і сфотографувати. Це може означати більший радіус дії або більше кутів. Це також означає, що можна знімати більше відео в поточному часі та використовувати його для навчання ШІ. Якість також продовжує поліпшуватися з більш високими роздільними здатностями (відео 4K та вище). Чим більш деталізоване відео, тим більше з нього можна зробити висновки. І тим дієвішими можуть стати алгоритми штучного інтелекту. Крім того, нові відеокамери передають не тільки один відеопотік, а й додаткові потоки з низьким бітрейтом, що використовуються для моніторингу з низькою пропускною здатністю і зіставлення зі зразком ШІ.

Розумні камери працюють цілодобово і без вихідних. Незалежно від того, чи використовуються вони для управління дорожнім рухом, в системах безпеки або в виробництві — багато з цих інтелектуальних IP камер відеоспостереження працюють 24 години на добу, 7 днів на тиждень, 365 днів на рік, що представляє собою унікальну проблему. Технологія зберігання повинна бути в змозі не відставати. По-перше, сховище еволюціонувало, щоб забезпечити підвищену швидкість передачі даних і швидкість запису даних, щоб забезпечити вражаючу якість захоплення відео. А технологія зберігання на камері повинна забезпечувати довговічність та надійність, критично важливі для будь-якого робочого процесу.

Облік контексту при розробці технології зберігання. Незалежно від того, чи використовуються вони в бізнесі, в наукових дослідженнях або в побуті, ми бачимо нові типи камер відеоспостереження, які можуть захоплювати нові типи даних. З урахуванням передбачуваних переваг використання і аналізу цих даних важливість надійного зберігання даних як ніколи очевидна. При розробці технології зберігання даних інженери повинні враховувати контекст, наприклад розташування і форм-фактор. Також виробникам потрібно подумати про доступність камер (або їх відсутності), чи знаходяться вони на вершині найвищої будівлі або, може бути, у віддалених джунглях? У таких місцях може також виникнути необхідність витримувати різкі перепади температур. Всі ці можливості необхідно враховувати, щоб забезпечити тривалий і надійний безперервний запис критичних відеоданих.

Чіпсети покращують можливості штучного інтелекту. Покращені обчислювальні можливості камер означають, що обробка відбувається на рівні пристрою, що дозволяє приймати рішення в поточному часі на периферії. Нові набори мікросхем камер забезпечують розширені можливості штучного інтелекту. Сьогодні ми спостерігаємо появу нових наборів мікросхем для камер, які забезпечують поліпшені можливості штучного інтелекту, а більш просунуті набори мікросхем додають глибоку обробку нейронних мереж для відеоаналітики Deep learning на камері. ШІ стає розумнішим та більш здібним.

Хмара має підтримувати технологію Deep learning. Так само, як набори мікросхем для камер і відеореєстраторів отримують більше обчислювальної потужності, в нинішніх рішеннях для інтелектуального відеоспостереження велика частина програмного забезпечення відеоаналітики і Deep learning як і раніше виконується за допомогою дискретних пристроїв або в хмарі. Щоб підтримувати ці нові робочі навантаження ШІ, хмара зазнала деякі перетворення. У процесорах нейронних мереж в хмарі використовуються масивні кластери графічних процесорів. Їх годують тисячами годин навчального відео та петабайт даних. Ці робочі навантаження залежать від можливостей жорстких дисків корпоративного класу (HDD) великої місткості, які вже можуть підтримувати 20 ТБ на диск, та високопродуктивних корпоративних флеш-накопичувачів SSD, платформ або масивів.

Опора на мережу. Дротовий та бездротовий Інтернет забезпечив масштабованість та легкість установки, що призвело до бурхливого поширення IP-відеокамер та Wi-Fi камер, але це можливо тільки там, де вже передбачені інфраструктури LAN та WAN.

Технології 5G допомагають встановлювати камери

5G усуває масу перешкод для розгортання, надаючи розширені варіанти для розміщення і легкість установки камер на рівні мегаполісів. Завдяки цій легкості розгортання з'являється нова велика масштабованість, яка стимулює сценарії використання і подальші поліпшення як в дизайні відеокамер, так і в хмарних технологіях. Наприклад, камери відеоспостереження тепер можуть бути автономними з прямим підключенням до централізованої хмари, оскільки вони більше не залежать від локальної мережі.

Нові відеокамери з підтримкою 5G розробляються для завантаження і запуску сторонніх додатків, які можуть розширити можливості. Проте, з більшою автономністю цих камер буде потрібно ще більше динамічної пам'яті. Їм потрібні нові комбінації витривалості, місткості, продуктивності та енергоефективності, щоб мати шанс продуктивно обробляти мінливість нових функцій, керованих додатками.

Це чудовий новий світ для інтелектуальних систем відеоспостереження, і він настільки ж складний, як і захопливий. Вносяться архітектурні зміни для обробки нових робочих навантажень і підготовки до ще більш динамічних опцій на периферії і в кінцевих точках. У той же час інтелектуальне ПЗ для відеоспостереження продовжує розвиватися в серверній частині і в хмарі. Розуміння змін робочого навантаження, будь то на рівні камери, IP відеореєстратора або хмари, має вирішальне значення для забезпечення того, щоб нові архітектурні зміни доповнювалися постійними інноваціями в технології зберігання.

Читайте інші цікаві статті про системи безпеки:

Інтелектуальна безпека з AcuSense від Hikvision

Вибухозахищені камери: 3 речі, які про них потрібно знати